【無料公開】Sunoで同じ歌手を育てる方法｜ボーカルDNA設計とPersona選びの実践
無料公開のお知らせ
この記事はこれまで有料で公開していましたが、Sunoの環境や仕様の変化を踏まえ、今回無料公開することにしました。
内容はSuno v5.5環境で実際に試したボーカルDNA設計の実践記録です。今後のバージョンでは挙動が変わる可能性がありますが、「声の特徴をどう分解し、同じ歌手らしさをどう設計するか」という考え方は参考になる部分もあると思います。
これからSunoでボーカル固定やキャラクターごとの声作りを試したい方のヒントになれば嬉しいです。
※この記事の検証・音源制作は、Suno v5.5を使用しています。モデルの更新によって、PersonaやStyleの反映傾向が変わる可能性があります。
Sunoで曲を作っていると、たまに「この声は絶対に残したい」と思える歌手が生まれます。
声質、歌い方、感情の乗せ方。
偶然の生成から生まれたはずなのに、何曲も聴いているうちに、ひとりの歌手として育てたくなってくる。
しかし、同じStyleを使って別の曲を作っても、次の生成では別人になってしまうことがあります。
そこで使えるのが、SunoのPersonaです。
私はそれとは別に、歌手の特徴を文章で整理した「ボーカルDNA」も使っています。
この二つは似ているようで、役割が違います。
先に結論を書くと、
ボーカルDNAは、歌手本人を言葉で説明するもの。
Personaは、成功した本人を別の曲へ連れていくもの。
です。
そして実際に試していく中で、もうひとつ大きなことが分かりました。
Personaは声だけではなく、元曲で使われていた歌唱能力や癖まで持ってくる。
この記事では、私が実際に制作しているAIボーカル「焰華」を例に、
ボーカルDNAとは何か
Personaとの違い
Persona元曲の選び方
同じ歌手を複数ジャンルへ対応させる考え方
再現性を上げるための整理方法
をまとめます。
この記事は「同じ声を100％再現する方法」ではありません。
Sunoの生成にはブレがあります。
この記事で扱うのは、そのブレを完全になくす魔法ではなく、
別人化する確率を減らし、同じ歌手として育てやすくするための考え方です。
※この記事の検証・音源制作は、Suno v5.5を使用しています。モデルの更新によって、PersonaやStyleの反映傾向が変わる可能性があります。
ボーカルDNAとは何か
ここでいうボーカルDNAとは、歌手の声や歌い方の特徴を、SunoのStyleへ使える形で文章化したものです。
たとえば、
性別
年齢感
声域
声の太さ
息の混ざり方
明るさ、冷たさ、暗さ
ハスキーさ
発音
フレージング
感情表現
高音時の変化
低音時の変化
人間らしい声の質感
などを整理します。
ただし、すべてを盛り込めばよいわけではありません。
むしろ指定を増やしすぎると、要素同士がぶつかり、何を再現したいのか分からなくなります。
大切なのは、
その歌手を、ほかの歌手と分けている特徴は何か
を見つけることです。
私の場合は、全項目を均等に埋めるのではなく、その歌手らしさに強く関係する「差異軸」を2〜3個見つけることを重視しています。
Personaとは何か
Personaは、完成した曲の中から成功した歌声を選び、その特徴を別の曲へ引き継ぐ方法です。
Personaを使うと、
声質
発音の癖
音域
フレージング
囁き方
高音の出し方
がなり
感情の乗せ方
力の入れ方
などが、ボーカルDNAだけを使った時よりも強く残る傾向があります。
そのため、同じ歌手でシリーズ曲を作りたい時には非常に強力です。
ただしPersonaは、声だけを完全に切り離して持ってくるわけではありません。
元曲の、
ジャンル
テンポ感
感情の動き
歌唱モード
フレーズの処理方法
まで引き継ぐことがあります。
ここが、今回の記事で最も重要な部分です。
DNAとPersonaの違い
ボーカルDNA
声を文章で指定する
本人感は中程度
自由度が高い
新しいジャンルへ挑戦しやすい
新しい演技を指定しやすい
生成ごとのブレがある
探索や拡張に向いている
Persona
成功音源の特徴を継承する
本人感が強い
元曲の影響を受けやすい
新ジャンルへの対応は相性次第
演技幅はPersonaの得意範囲に左右される
再現性は比較的高い
継承や固定に向いている
私の中では、次のように考えています。
DNAは本人の設計図。
Personaは、その本人が実際に見せた歌唱フォーム。
どちらか一方が上位という関係ではありません。
役割が違います。
同じ歌手を育てる流れ
私が考えている流れは、次のようなものです。
成功した歌手を見つける
↓
声の特徴をDNAとして整理する
↓
DNAを使って別ジャンルへ挑戦する
↓
成功した歌唱をPersona化する
↓
用途別Personaを増やす
↓
歌手としての表現幅が広がる
つまり、DNAを作ることが目的ではありません。
DNAによって歌手の土台を理解し、そこから新しい歌い方を試し、成功したものをPersonaとして残していく。
この繰り返しで、ひとりのAIボーカルが複数の歌唱フォームを持つようになります。
たとえば焰華なら、
ロック用Persona
感情切替用Persona
繊細曲用Persona
英語曲用Persona
劇場曲用Persona
といった形です。
PLEASE, TAKE A SEATは普通の曲ではない
今回の比較に使った「PLEASE, TAKE A SEAT」は、一般的な1人格・1テンションの曲とは少し違います。
この曲では、ひとりの歌手が曲中で、
丁寧で上品な案内役
不穏さを隠した接客
冷たい命令
恐ろしい支配者
囁き
強いサビ
急激な感情変化
を切り替える必要があります。
さらに、歌唱だけではなく、編曲側も人格の変化に合わせて切り替わります。
そのため、この曲では同時に、
声質の維持
役柄の切替
感情変化
リズム対応
強弱の変化
が要求されます。
普通の曲より、Personaの得意不得意が出やすい構造です。
比較に使った5曲
今回の記事では、次の5曲を比較します。
本音ノ乱
PLEASE, TAKE A SEAT 通常版
PLEASE, TAKE A SEAT 女王版
PLEASE, TAKE A SEAT Noise焰華版
PLEASE, TAKE A SEAT 本音焰華版
本音ノ乱
本音ノ乱は、焰華が感情を激しく切り替える曲です。
抑制、苛立ち、爆発、早口、強いサビ。
ひとつの感情を維持するというより、内面が次々に表へ出てくる構造になっています。
後半で使う「本音焰華版」は、この曲から作ったPersonaを使用しています。
PLEASE, TAKE A SEAT 通常版
通常版は男性ボーカルです。
この曲の原型となるバージョンで、
丁寧な支配人
微笑む案内役
本性を現す支配者
という役柄を優先しています。
特定の既存ボーカルを再現するのではなく、曲に合った役者をSuno側へ自由に選ばせています。
そのため、この曲本来の演技構造が比較的分かりやすく出ています。
PLEASE, TAKE A SEAT 女王版
女王版は、焰華のボーカルDNAを使い、Personaを使わずに制作した女性版です。
曲中では、
Polite Hostess
Terrifying Queen
という二つの演技モードを指定しています。
Personaを使っていないため、曲が要求する役柄には比較的自由に対応しています。
案内役から女王へ切り替わる構造も出ています。
一方で、英語曲であることと、役柄の個性が非常に強いことから、普段の焰華よりも別の女性悪役歌手に近く聞こえました。
つまり、
演技の自由度は高いが、焰華本人感は薄くなる
というDNAの特徴が出た例です。
PLEASE, TAKE A SEAT Noise焰華版
次に、焰華の曲「Noise」から作ったPersonaを使いました。
このバージョンでは、焰華本人の声はかなり残っています。
囁き、高音、強い発声も、焰華らしい範囲で表現されています。
ただし、Noiseはロック色の強い曲です。
そのため、PLEASE, TAKE A SEATもロック側へ引っ張られました。
HostessとQueenを役者のように演じ分けるというより、
焰華がロックボーカルとして、この曲を歌っている
という印象です。
これは失敗というより、Noise Personaが元曲の強みを正しく持ってきた結果だと考えています。
PLEASE, TAKE A SEAT 本音焰華版
次に、本音ノ乱から作ったPersonaを使用しました。
結果はNoise Persona版と大きく違いました。
本音ノ乱で使われていた、
感情の急変
抑制から爆発
表情の切替
不安定さ
急な勢いの変化
が、PLEASE, TAKE A SEATの役柄切替と相性よく働きました。
Polite HostessからTerrifying Queenへの変化も、Noise版より自然に表現されています。
ただし、良い部分だけが引き継がれたわけではありません。
本音ノ乱の特徴である早口傾向も、今回の歌唱に現れました。
つまり、
感情切替能力と一緒に、原曲の早口の癖も持ち込まれた
ということです。
Noise版はロック側へ寄り、本音版は感情切替に強い代わりに早口が出る。
同じ焰華のPersonaでも、元曲によって結果は大きく変わりました。
Persona元曲は、声だけで選ばない
Personaを作る時、最初は「最も本人らしい声が出ている曲」を選べばよいと思っていました。
しかし今回の比較では、それだけでは不十分でした。
見るべきなのは、
次の曲と音域が近いか
感情変化が近いか
テンポ感が近いか
囁きが必要か
高音が必要か
がなりが必要か
演技幅が必要か
言語が同じか
元曲のジャンルに引っ張られても問題ないか
です。
Noise Persona
得意な表現
ロック圧
高音
攻撃性
前へ押し出す歌唱
注意点
ロック側へ引っ張られやすい
役柄の切替より、焰華本人のロック歌唱が前に出やすい
本音ノ乱 Persona
得意な表現
感情切替
演技幅
抑制から爆発
急な勢いの変化
注意点
原曲の早口傾向が出やすい
感情表現と一緒にリズムの癖も持ち込まれる
素顔ノ証 Persona
得意な表現
抑制
繊細さ
内面からの解放
落ち着いた本人感
注意点
強い劇場演技や急激な人格切替では弱くなる可能性がある
Personaは歌手を選ぶだけではありません。
その歌手の、どの歌唱モードを呼び出すか
を選ぶものです。
Personaは成功要素だけを持ってこない
今回の実験で、特に強く感じたのはここです。
Personaは、元曲の良い部分だけを抽出して持ってくるわけではありません。
得意な音域
感情表現
演技幅
フレージング
ジャンル傾向
リズムの癖
早口
がなり
などが、ひとつのまとまりとして引き継がれます。
そのため、相性の良いPersonaを使っても、元曲の癖が完全に消えるわけではありません。
むしろ、
次の曲で使いたい能力と、持ち込まれて困る癖をセットで考える
必要があります。
ここから先の有料記事で扱う内容
ここまでは、ボーカルDNAとPersonaの違い、そしてPersona元曲によって結果が変わる実例を紹介しました。
ここから先では、実際に同じ歌手の再現性を上げるために、
DNAを作る時に使う材料
元Styleと完成音源の見比べ方
声質・歌唱・演技・編曲・ミックスを分ける考え方
Identity CoreとPerformanceの整理方法
曲固有の要素をDNAへ混ぜないための判断基準
Persona元曲の選び方
Personaから持ち込まれる長所と癖の見分け方
DNAだけ、Personaだけ、両方を使う場合の使い分け
失敗しやすいポイント
音源分析・DNA設計・Persona選定に使える実践テンプレート
を、できるだけ具体的にまとめています。
この先で扱うのは、完成済みの万能プロンプトを一つ渡して終わる内容ではありません。
歌手ごとに声の特徴も、得意な音域も、歌い方も違います。
そのため大切なのは、
どの単語を入れれば正解か
ではなく、
何を本人の核として残し、
何を曲ごとに変え、
何がPersona元曲から持ち込まれたのか
を整理できるようになることです。
この先の内容が向いている人
次のような人には、参考になると思います。
Sunoで気に入った歌手が生まれた
同じ歌手で複数の曲を作りたい
同じStyleを使っても別人になってしまう
Personaを使うと元曲のジャンルへ引っ張られる
Personaごとの違いを整理して使い分けたい
一人の歌手をロック、バラード、ポップなど複数ジャンルへ対応させたい
声質と曲調を分けて考えたい
プロンプトへ言葉を足し続けて、何が効いているか分からなくなっている
AIを使って音源の特徴を整理したい
自分の歌手用に、長く使える設計シートを作りたい
特に、
偶然生まれた良い声を、単発で終わらせず育てたい
という人向けの内容です。
今回は必要ないかもしれない人
一方で、次のような場合は、この先の内容まで読まなくてもよいかもしれません。
毎回違う歌手が出ても気にならない
曲ごとに最適な声をSunoへ自由に選ばせたい
同じ歌手でシリーズを作る予定がない
Personaを一つ使って、すでに満足できる結果が出ている
声の再現よりも、曲の完成速度を優先したい
音源を聴き比べたり、特徴を整理したりする作業はしたくない
すぐ使える完成プロンプトだけを探している
同じ声を100％再現できる方法を求めている
ボーカルDNAの整理には、ある程度の手間がかかります。
音源を聴き比べ、仮説を作り、生成し、違いを確認し、必要に応じて修正します。
そのため、
一度作れば必ず同じ歌手になる
という方法ではありません。
この先を読んでできるようになること
この先の内容を使うことで、少なくとも次のような整理がしやすくなります。
この特徴は歌手本人のものか
この強さは編曲によるものか
この感情は今回だけの演技か
Persona元曲から何が持ち込まれたか
なぜ次の曲で別人になったのか
なぜPersonaが曲に合わなかったのか
次にどの項目を修正すればよいか
どのPersonaを候補にすればよいか
つまり、この先で目指すのは、
一発で正解を出すこと
ではなく、
失敗した時に、何を疑い、どこを直せばよいか分かる状態
です。
同じ歌手の再現性を高めたい人にとって、生成結果を「なんとなく似ている」「なんとなく違う」で終わらせず、次の修正へつなげるための実践編になります。
公開記念として、最初の3日間は780円で販売します。
期間終了後は通常価格980円に戻します。
ここから有料部分
ここまでは、ボーカルDNAとPersonaの違い、そしてPersona元曲によって結果が変わる実例を紹介しました。
ここから先では、実際に同じ歌手の再現性を上げるために、
DNAを作る時に使う材料
音源から声質・歌唱・演技・編曲・ミックスを分ける方法
Identity CoreとPerformanceの分け方
Persona元曲の選び方
DNAとPersonaを用途別に使い分ける方法
失敗しやすいポイント
音源分析・DNA設計・Persona選定に使えるテンプレート
をまとめます。
この記事の後半は、同じ声を完全再現するための魔法ではありません。
別人化を減らし、何を見て、何を分け、どこを修正すればよいか分かるようにするための実践編
です。
DNAを作る時に使うもの
ボーカルDNAを作る時、元のStyleだけを見ても十分ではありません。
私が使うのは、主に次のような情報です。
元のStyle
実際に完成した音源
同じ歌手の別曲
本人感が強かった成功テイク
本人感が弱かったテイク
音源を聴いた時の印象
Personaを使った比較結果
元Styleは設計図です。
完成音源は、実際に建った建物です。
Styleに書かれていても、完成音源ではほとんど出なかった特徴があります。
反対に、Styleには書いていないのに、実際の音源では強く現れた癖もあります。
そのため、
Styleに何を書いたか
実際の音源に何が出たか
の両方を確認する必要があります。
また、1曲だけを見てDNAを確定すると、その曲だけの役柄や歌唱を、歌手本人の特徴だと誤認しやすくなります。
可能であれば、同じ歌手の複数曲を比較します。
音源を5つに分けて聴く
DNAを作る時に最も混ざりやすいのが、
声質
歌唱
演技
編曲
ミックス
です。
音源全体をまとめて「この歌手の特徴」と考えると、ロックギターの強さや曲中の怒りまで、歌手本人のDNAへ入れてしまう可能性があります。
そこで私は、音源を次の5つに分けて考えます。
1．声質
歌手本人の音色や、声の構造です。
たとえば、
明るい
暗い
太い
細い
息が多い
ハスキー
透明感がある
中域に芯がある
などです。
ここでは、何を歌っているか、どんな感情を演じているかをできるだけ外して考えます。
2．歌唱
その声をどのように使っているかです。
たとえば、
囁き
ベルト
がなり
裏声
発音
語尾
フレージング
リズムの取り方
早口への対応
などです。
3．演技
その曲で演じている役柄や感情です。
たとえば、
悲しみを隠している
怒りを爆発させる
微笑みながら案内する
冷たい女王として命令する
無邪気に振る舞う
などです。
演技は曲ごとに変わるため、そのまま本人の核へ入れないよう注意します。
4．編曲
歌手本人ではなく、曲側の要素です。
たとえば、
ロックギター
強いドラム
エレクトロスウィング
重いベース
ピアノ中心
ストリングス
テンポ
などです。
5．ミックス
声の聞こえ方へ影響する音声処理です。
たとえば、
強いリバーブ
声の歪み
圧縮感
声との距離
ダブルボーカル
コーラスの重なり
声の広がり
などです。
この分離をしないと、
ロック曲で強く聞こえたから、この歌手のDNAはaggressiveだ
という誤認が起きます。
実際には、ギターやドラム、ミックスによって攻撃的に聞こえていただけかもしれません。
Identity CoreとPerformanceを分ける
音源を分析した後は、抽出した特徴を「Identity Core」と「Performance」へ分けます。
Identity Core
曲が変わっても残したい、歌手本人の核です。
たとえば、
基本となる声色
主な声域
声の太さ
息の混ざり方
発音の癖
中域や高音の特徴
人間らしい声の質感
などです。
Performance
その曲で必要になる歌唱、感情、役柄です。
たとえば、
Verseでは抑えて歌う
Chorusでは強く開く
囁きから爆発へ移る
感情を急激に切り替える
女王として冷たく命令する
早口で畳みかける
などです。
簡単に言うと、
Identity Coreは「誰が歌うか」
Performanceは「今回はどう歌うか」
です。
Identity Coreを固定し、Performanceを曲ごとに入れ替えることで、本人の芯を保ちながら歌唱の幅を広げます。
焰華の中にも複数の歌唱モードがある
焰華の複数曲を比較すると、共通している部分と、曲ごとに強く出ている部分が見えてきます。
複数曲で共通している部分
少しハスキーな声
中域に自然な芯がある
明瞭な発音
力強さがある
抑制から爆発へ移ることができる
機械的すぎない人間らしい声
Noiseで強く出ている部分
ロックの圧
強い高音
がなり
攻撃性
前へ押し出すような歌唱
本音ノ乱で強く出ている部分
感情の急変
表情の切替
抑制と爆発
不安定さ
早口フレーズ
素顔ノ証で強く出ている部分
繊細さ
内面の抑制
自然な解放
落ち着いた本人感
この場合、
複数曲で共通している部分をIdentity Coreへ入れる
曲ごとの特徴をPerformanceまたはPersonaの個性として扱う
という整理ができます。
Noiseで使われたがなりやロックの圧を、すべて焰華本人の核へ入れてしまうと、バラードや静かな曲でもロック寄りになりやすくなります。
一方で、本音ノ乱の感情切替や早口は、人格切替型の曲では強みになります。
曲固有の特徴は不要なのではなく、必要な時に使えるよう、本人の核とは分けて保存します。
DNAとPersonaをどう使い分けるか
DNAだけを使う
DNAだけを使う方法は、次のような場面に向いています。
新しいジャンルへ挑戦したい
既存Personaにない演技を試したい
Persona元曲のジャンル感を外したい
新しい歌唱フォームを探したい
歌手の別の可能性を試したい
自由度は高くなります。
その反面、生成ごとのブレがあり、本人感が弱くなる場合があります。
Personaだけを使う
Personaだけを使う方法は、次のような場面に向いています。
同じ歌手でシリーズ曲を作りたい
本人感を強く残したい
元曲と近い歌唱を使いたい
成功した歌唱フォームを継承したい
本人感は強くなりやすいですが、元曲のジャンルや歌唱の癖も持ち込みやすくなります。
DNAとPersonaを組み合わせる
Personaで本人感を残しながら、Style内のDNAやPerformance指定で不足部分を補います。
ただし、指定を増やしすぎると、Personaが持つ特徴とStyleの指示がぶつかる可能性があります。
そのため、
Personaに足りない部分だけを、短く補助する
という使い方が基本になります。
用途別Personaを育てる
DNAが分かると、その歌手の芯を保ちながら別ジャンルへ挑戦しやすくなります。
そこで成功した歌唱をPersona化すれば、歌手の中に新しい歌唱フォームを増やせます。
たとえば焰華なら、
ロック用Persona
感情切替用Persona
繊細曲用Persona
英語曲用Persona
劇場曲用Persona
といった形です。
流れとしては、次のようになります。
焰華のDNA
↓
新しいジャンルや演技を指定
↓
複数テイクを生成
↓
焰華本人らしく、曲にも合ったテイクを選ぶ
↓
成功音源をPersona化
↓
用途別Personaとして保存
DNAは歌手の設計図です。
Personaは、その歌手が実際に見せた歌唱フォームです。
両方を組み合わせることで、ひとりのAIボーカルを複数ジャンルへ対応させられます。
AIはどこで使うのか
音源分析やDNA整理では、AIを使っています。
ただし、AIへ音源を渡せば、自動的に正しいDNAが完成するわけではありません。
役割としては、次のように分けています。
分析担当AI
元Styleと完成音源から、
声質
歌唱
演技
編曲
ミックス
を整理します。
構成担当AI
抽出した特徴を、
Identity Core
Performance
曲固有の要素
DNAから除外する要素
へ分け、Suno向けの表現に整理します。
制作者本人
実際に生成された音源を聴き、
本人に聞こえるか
どこが違うか
何が引き継がれたか
どの特徴を修正するか
を判断します。
AIの分析結果が論理的に見えても、実際の音源が本人に聞こえなければ、そのDNAは修正します。
AIがDNAを決めるのではなく、AIを使って観察と整理を行う。
という位置づけです。
失敗しやすいポイント
1．曲調をDNAへ混ぜる
ロック曲だからといって、攻撃性やがなりをすべて本人の核へ入れると、別ジャンルで使いにくくなります。
2．感情語を増やしすぎる
優しい、悲しい、力強い、冷たい、情熱的などを同時に入れると、どの感情を優先するか分からなくなります。
3．1曲だけでDNAを確定する
1曲しか分析していないと、その曲だけの演技やジャンルを、本人の特徴だと誤認しやすくなります。
4．Persona元曲を声質だけで選ぶ
最も本人らしい声が出ている曲でも、次の曲に必要な演技能力を持っているとは限りません。
5．英語曲と日本語曲の違いを無視する
言語が変わると、発音、リズム、フレージングが変わり、本人感にも影響する場合があります。
6．AIの分析をそのまま採用する
AIによる分析は、あくまで仮説です。
実際に生成して、本人に聞こえるかを確認する必要があります。
7．本人の核を長くしすぎる
指定が多すぎると、重要な特徴が埋もれます。
本人判定に強く関係する2〜3個の差異軸を優先します。
実践テンプレート
ここからは、実際にボーカルDNAを整理し、次の曲に使うPersonaを選ぶためのテンプレートを紹介します。
使用するテンプレートは、次の3つです。
1．音源分析テンプレート
2．DNA設計テンプレート
3．Persona選定テンプレート
それぞれの目的は異なります。
音源分析テンプレートでは、完成した曲の中で「実際に何が起きているか」を整理します。
DNA設計テンプレートでは、分析した特徴を「本人の核」と「曲ごとの歌唱」に分けます。
Persona選定テンプレートでは、次に作りたい曲と、候補Persona元曲との相性を確認します。
最初からSuno用の英語Styleを作ろうとせず、
音源を観察する
特徴を分ける
本人の核を選ぶ
次曲との相性を考える
最後にSuno用の表現へ整える
という順番で進めます。
音源分析テンプレート
まずは、次のテンプレートを曲ごとにコピーして使用します。
【元音源】
曲名：
使用Style：
使用Persona：
Persona元曲：
生成モデル：
使用言語：
【声質】
性別・声の性質：
年齢感：
主音域：
声の太さ：
息の量：
基本となる声色：
中域の特徴：
高音時の声質：
低音時の声質：
その歌手らしさが最も出る音域：
【歌唱】
発音・滑舌：
フレージング：
Verseの歌い方：
Chorusの歌い方：
高音時の変化：
低音時の変化：
リズムの取り方：
早口への対応：
強弱の変化：
特殊な歌唱：
【感情と演技】
基本的な感情の出し方：
感情変化の大きさ：
抑制から解放への流れ：
曲中の役柄：
演技の切替：
本人の普段の表現と思われる部分：
この曲だけの演技と思われる部分：
【曲固有の要素】
中心となる感情：
ジャンル：
テンポ：
リズム：
主な編曲：
ミックス：
声に加わっている処理：
【本人の核と思われる候補】
1.
2.
3.
4.
5.
【特に重要な差異軸】
1.
2.
3.
【DNAから除外する要素】
1.
理由：
2.
理由：
3.
理由：
4.
理由：
5.
理由：
音源分析テンプレートの見方
元音源
曲名、元Style、使用Personaなど、生成時の条件を残します。
Styleと完成音源を比較することで、
Styleに書いて、実際に出た特徴
Styleに書いたが、出なかった特徴
Styleに書いていないのに、音源へ現れた特徴
を確認できます。
Personaを使用した場合は、Persona名だけでなく、元曲も記録します。
元曲が分からないと、後からジャンルや早口などの癖を追跡できなくなるためです。
声質
声質では、感情や役柄をいったん外し、声そのものを観察します。
主音域については、最も高い音や低い音だけではなく、
どの音域で一番その歌手らしく聞こえるか
を確認します。
声の太さと、強く歌っていることも分けます。
強いドラムの上で大声を出していても、声そのものは細い可能性があります。
声色は似た言葉を大量に並べず、特に強く感じる2〜3個を選びます。
歌唱
歌唱では、声の使い方を観察します。
特に確認したいのは、
VerseとChorusでどう変わるか
高音と低音で別人にならないか
囁きやがなりを使うか
言葉を長くつなぐか、短く切るか
拍の前へ出るか、後ろへ置くか
早口で走りやすいか
です。
高音時だけ別の声に聞こえる場合は、本人固定における不安定要素になります。
感情と演技
感情や役柄は、本人の核と混ざりやすい部分です。
そのため、
本人が普段から持っている表現
今回の曲だけで演じている表現
を分けます。
たとえば、冷酷な女王を演じたからといって、歌手本人のIdentity Coreへ「queen」や「cold villain」を入れる必要はありません。
曲固有の要素
ジャンル、テンポ、編曲、ミックスなどを記録します。
これは、歌手本人のDNAへ混ざらないよう分離するための欄です。
ロックギターによる強さ、リバーブによる透明感、歪みによるハスキーさを、本人の特徴と誤認しないようにします。
本人の核と思われる候補
最初から3個に絞れない場合は、5個程度の候補を書きます。
複数曲を分析した後で、共通しているものを残します。
選ぶ基準は次の通りです。
別の曲でも確認できる
ジャンルが変わっても残っている
感情が変わっても聞こえる
他の歌手との違いになっている
その特徴が消えると別人に感じる
差異軸
差異軸は、本人判定へ特に強く影響する特徴です。
たとえば、
少しハスキーだが濁りすぎない
中域に自然な芯がある
明瞭な発音の中に暗い質感がある
などです。
全項目を均等に強調するのではなく、差異軸を2〜3個に絞ります。
DNAから除外する要素
除外する要素は、不要な要素ではありません。
Identity Coreから分離し、必要な曲でPerformanceとして使用するための要素です。
たとえば、
今回の曲だけの役柄
ジャンル固有のがなり
一時的な怒り
早口
特定のテンポ
編曲由来の攻撃性
Persona元曲から持ち込まれた癖
などです。
除外した理由も書いておくと、後からPerformanceへ戻しやすくなります。
DNA設計テンプレート
音源分析が終わったら、抽出した特徴をIdentity CoreとPerformanceへ分けます。
【Identity Core｜本人の核】
性別・声の性質：
年齢感：
主な声域：
基本となる声の太さ：
息の混ざり方：
基本となる声色：
中域の特徴：
高音時にも残る本人らしさ：
低音時にも残る本人らしさ：
発音・滑舌：
特徴的なフレージング：
人間らしい声の質感：
【最重要の差異軸】
1.
2.
3.
【Performance｜曲ごとの歌唱】
Verseの歌い方：
Pre-Chorusの歌い方：
Chorusの歌い方：
感情の始点：
感情の終点：
感情変化の速度：
強弱の幅：
リズムの取り方：
早口の有無：
囁きの有無：
高音の使い方：
がなりの有無：
特殊な歌唱：
曲中の役柄：
【Style用ボーカル指定】
Identity Core：
Performance：
ジャンル・編曲：
除外したい要素：
DNA設計テンプレートの見方
Identity Core
Identity Coreへ入れるのは、複数曲で共通して確認できた特徴が中心です。
すべての項目を埋める必要はありません。
むしろ、本人らしさに関係しない項目まで無理に埋めると、Styleが長くなり、差異軸が埋もれます。
焰華のIdentity Coreを簡略化すると、次のようになります。
natural powerful female vocal,
clear slightly husky tone,
strong natural midrange,
subtle dark and raw edge,
distinctive articulation,
clear Japanese diction,
organic human voice
これは完成形の一例です。
最初から英語で考えるのではなく、まず日本語で本人の特徴を正確に整理します。
Performance
Performanceには、曲ごとに変える歌唱や演技を入れます。
たとえば、PLEASE, TAKE A SEATで必要となるPerformanceなら、
restrained whispering verses,
polite theatrical delivery,
rapid emotional shifts,
explosive belting chorus,
cold commanding phrases
のように整理できます。
Identity Coreは「焰華であること」を維持する要素。
Performanceは「今回の焰華へ何を演じてもらうか」を決める要素です。
Styleへ変換する前の確認
Identity CoreとPerformanceを作ったら、次の点を確認します。
Identity Coreへ曲調が混ざっていないか
rock
metal
cinematic
distorted guitars
heavy drums
などは、基本的にジャンルや編曲側の要素です。
役柄を本人の性格にしていないか
queen
villain
hostess
broken girl
innocent child
などは、曲固有の役柄である可能性があります。
同じ意味の言葉を重ねすぎていないか
たとえば、
powerful
strong
intense
explosive
aggressive
をすべて並べると、力強さが過剰になる可能性があります。
矛盾する指示がないか
たとえば、
youthfulとmature
restrainedとconstantly explosive
airyとheavy
softとaggressive
などを同じ優先度で入れると、狙いが不明確になります。
差異軸が埋もれていないか
本人らしさに最も関係する2〜3個が、長いStyleの中で埋もれていないか確認します。
SunoのStyleへ整える
日本語で整理したIdentity CoreとPerformanceから、必要な要素だけを選び、SunoのStyleへ使える表現に整えます。
私の現在の制作では、ボーカル指定は主に英語で記述しています。
ただし、これは日本語では効果がないという意味ではありません。
日本語と英語の反映差については十分な比較検証をしていないため、この記事では断定しません。
日本語の設計シートで本人の核を整理し、
必要な要素だけをStyle用の表現へ変換する。
この順番にすることで、英単語を並べること自体が目的になるのを防ぎます。
Persona選定テンプレート
Persona選定では、声が好きかどうかだけではなく、
次の曲に必要な歌唱能力を持っているかを確認します。
【次の曲】
曲名：
使用言語：
ジャンル：
テンポ：
主な音域：
最高音付近の使い方：
最低音付近の使い方：
【必要な歌唱】
Verse：
Chorus：
感情の始点：
感情の終点：
感情変化の速度：
演技幅：
囁き：
高音：
がなり：
早口：
語り・台詞：
特殊な歌唱：
【特に重要な要素】
1.
2.
3.
【候補Persona】
Persona名：
Persona元曲：
元曲の言語：
元曲のジャンル：
元曲のテンポ：
元曲の主音域：
【元曲で確認できる得意表現】
Verse：
Chorus：
感情変化：
演技幅：
囁き：
高音：
がなり：
早口：
特殊な歌唱：
【持ち込まれそうな要素】
声質：
歌唱能力：
感情表現：
リズムの癖：
ジャンル傾向：
発音の癖：
その他の癖：
【次曲との相性判定】
音域の相性：
テンポの相性：
感情変化の相性：
演技幅の相性：
言語の相性：
ジャンルの相性：
次曲で活かせそうな能力：
1.
2.
3.
持ち込まれると困る癖：
1.
2.
3.
Style側で補いたい部分：
1.
2.
3.
総合評価：
採用／条件付き採用／比較生成／見送り
採用理由：
Persona選定テンプレートの見方
次の曲に必要な要素
まず、次の曲が歌手へ何を要求しているかを整理します。
PLEASE, TAKE A SEATの場合は、
Polite HostessとTerrifying Queenの切替
囁きから強いサビへの変化
急激な感情変化
丁寧さと支配的な命令の両立
などが重要です。
ここが曖昧なままPersonaを選ぶと、単に声が似ているPersonaを選ぶことになります。
候補Persona
Persona元曲で使われている音域、ジャンル、感情表現、リズムの癖を確認します。
たとえばNoise Personaなら、
ロック圧
強い高音
がなり
攻撃性
を持ち込みやすくなります。
本音ノ乱Personaなら、
感情切替
抑制から爆発
急な勢いの変化
早口傾向
を持ち込みやすくなります。
持ち込まれると困る癖
Personaの得意表現だけでなく、次の曲では不要な癖も書きます。
Personaは、欲しい能力だけを切り取って持ってくるわけではありません。
長所と癖が、ひとつのまとまりとして反映される可能性があります。
総合評価
一つのPersonaへ決めきれない場合は「比較生成」を選びます。
理論上の相性だけで決めず、実際に同じ歌詞とStyleで生成し、音源を聴いて判断します。
Personaを比較する時の条件
候補Personaが複数ある場合は、できるだけ同じ条件で比較します。
同じ歌詞
同じStyle
同じ除外Style
Personaだけを変更
同じSunoモデル
同じ曲の区間を比較
生成後は、次の項目を聴き比べます。
【生成後の比較】
本人感：
曲への適応：
役柄の表現：
感情切替：
音域への対応：
元曲のジャンル移入：
元曲のリズム移入：
元曲の癖：
総合的な完成度：
今回の比較では、
Noise Personaはロック側へ寄った
本音ノ乱Personaは感情切替に強かった
同時に本音ノ乱の早口傾向も持ち込んだ
という違いが出ました。
したがってPersona選定では、
欲しい能力があるか
不要な癖を許容できるか
の両方を見る必要があります。
3つのテンプレートの関係
最後に、3つのテンプレートを使う順番をまとめます。
音源分析テンプレート
完成音源で実際に何が起きているかを観察する
↓
DNA設計テンプレート
本人の核と、曲ごとの歌唱を分ける
↓
Persona選定テンプレート
次の曲に必要な能力と、Persona元曲の相性を見る
↓
比較生成
↓
自分の耳で本人感と完成度を判定する
↓
DNAまたはPersona選定を修正する
テンプレートは、すべての空欄を埋めることが目的ではありません。
何を本人の特徴として残し、
何を曲ごとに変え、
何がPersona元曲から持ち込まれたのかを混同しないために使います。
比較試聴
ここまで使用した音源を、最後にまとめて並べます。
1. 本音ノ乱
2. PLEASE, TAKE A SEAT 通常版
3. PLEASE, TAKE A SEAT 女王版
4. PLEASE, TAKE A SEAT Noise焰華版
5. PLEASE, TAKE A SEAT 本音焰華版
通常版から順番に聴くと、
曲本来の演技
DNAによる自由な女性化
Noise Personaによるロック寄りの焰華
本音ノ乱Personaによる感情切替型の焰華
の違いが分かりやすいと思います。
まとめ
同じ歌手を育てるために、Personaだけを使えばよいわけではありません。
DNAだけでも不十分です。
DNAで本人の核を理解する。
その歌手を別ジャンルへ挑戦させる。
成功した歌唱をPersonaとして残す。
この繰り返しで、ひとりのAIボーカルが複数の歌唱フォームを持つようになります。
Personaは、声だけを持ってくるものではありません。
元曲の歌唱能力、ジャンル、フレージング、癖まで一緒に持ってきます。
だからこそ、Persona元曲は、
一番声が似ている曲
ではなく、
次の曲に必要な歌唱モードを持っている曲
から選ぶ必要があります。
今回の比較では、
Noise Personaはロック側へ寄った
本音ノ乱Personaは感情切替に強かった
ただし本音ノ乱の早口傾向も出た
という違いが確認できました。
成功要素と癖は、セットで引き継がれます。
それを理解した上でDNAとPersonaを使い分けることで、AIボーカルは単発の偶然ではなく、継続して育てられる歌手になっていきます。
AIで曲を作るだけではなく、
歌手を見つけ、理解し、育てていく。
それが、今の私が考えているAI音楽制作です。